こんにちは、 私の 名前 は コリーン マッケンドリー そして I 午前 a シニア 統計的 作家 で JMP、 しかし I また のように に 実験 と 機能的 データ。 これ プレゼンテーション は 一つの 拡大 の いつ フラッシュ だった インスパイヤされた による a プレゼンテーション それ だった 元は 終わり で 2020 タイトル 測定 システム 分析 のために 曲線 データ。
そこには だった また a わずかに 以前 プレゼンテーション で a JSM 会議 で 2019年。 私の 話す は 本質的に どうやって I だろう 行く について 解決する その 問題 それ だった 提示された で それらの オリジナル 論文。 病気 話し合う 彼ら a 少し 少し もっと 後で あまりにも。
初め、 a 少し 少し の 背景 の上 測定 システム 分析。 MSA 研究 決定する どうやって 良い a プロセス できる なれ 測定された 前 に 勉強する その プロセス 自体。 それで それ 回答 その 質問、 どうやって 多くの 測定 変化 は 貢献する に その 全体 プロセス 変化。
具体的には、 その ゲージ R&R 方法、 どれの 病気 なれ 使用して 後で で これ 分析、 決定する どうやって 多くの 変化 は 期限 に 手術 変化 対 測定 変化。 これら 種類 の 研究 は 重要 そして 彼らは 頻繁 必須 に なれ 実行された 前 に どれでも タイプ の 統計的 プロセス コントロール または デザイン の 実験。
A ゲージ R&R クラシック MSA モデル は 表示されている ここ。 のために a 与えられた 測定、 あなたの 応答、 Y サブ I K は その K番目 測定 の上 その I番目 一部。 で これ モデル、 あなた 持っている a 平均 学期 そして a ランダム 効果 それ 対応する に その 一部 そして あなたの 誤差項。
その ランダム 効果 で その エラー 学期 は 通常 分散型 ランダム 変数 と 平均 ゼロ そして いくつかの 対応する 分散 コンポーネント。 これ は 単に a ランダム 効果 モデル、 そして 私たちは できる 使用 それ モデル に 見積もり その 分散 コンポーネント、 そして それから 使用 それらの 分散 成分 推定値 に 計算する その % ゲージ R&R 使用して その 式 それは 表示されている の上 その 画面。
ここ 私たちは 持っている その 同じ モデル しかし その 交差した バージョン。 のために あなたの 応答、 Y サブ IJK , それは 行く に なれ その K番目 測定 作った による その J番目 オペレーター の上 オン その I番目 一部。 A 得、 私たちは 持っている a 平均 学期、 a ランダム 効果 それ 対応する に その 一部、 そして 今 私たちは 持っている a ランダム 効果 それ 対応する に その オペレーター、 そして a ランダム 効果 それ 対応する に その クロス 学期、 どれの は その 交流 間 その オペレーター そして その 一部、 そして の コース、 私たちの エラー 学期。
全て の これら ランダム 効果 は 通常 分散型 ランダム 変数 と 平均 ゼロ そして いくつかの 対応する 分散 成分。 それで ただ のように で その クラシック モデル、 これ は ただ a ランダム 効果 モデル、 そして 私たちは できる 見積もり その 分散 コンポーネント そして 使用 彼ら に 計算する その % ゲージ R&R。
で 両方 の その モデル それ I ただ 説明された、 その 応答 または その 測定 だった a シングル ポイント。 しかし 何 起こる もし これ ない その 場合？ 何 もし あなたの 測定 は 何か のように a 曲線 その代わり？ これ だった その モチベーション 後ろに それらの イニシャル プレゼンテーション で 2019 そして 2020 それ I 話した について。
そこには だった a クライアント の ジャンプ それ だった a サプライヤー の 自動車 部品、 そして 彼らは 持っていた a お客様 それ 指定された それ a 一部 必要 に 持っている a 特定の 力 による 距離 曲線。 明らかに、 その クライアント 望んでいた に マッチ 彼らの お客様 指定された 曲線、 そして それで 彼らは 望んでいた に 走る a 機能的 応答 DOE 分析 で ジャンプ に デザイン 彼らの 製品 に する それ。
しかし、 前に 支出 その お金 の上 これ タイプ の 実験、 彼らは 初め 望んでいた に 実行する 一つの MSA の上 彼らの 能力 に 実は 測定 その 部品 力。 そこには a 多く もっと 詳細 で その 紙 注目 で その 底、 それで もし あなたは 興味がある で もっと の その 背景、 お願いします 見る それ。
これ は 何 その データ 見た目 のように。 私たちは 持っている 力 の上 その Y 軸 そして 距離 の上 その X 軸、 そして その 曲線 は 色付き による 一部。 それ 見た目 のように そこには は のみ 10 曲線、 しかし そこには は 実は 250 曲線 で 合計。 その ただ それ a 多く の その 曲線 は クラスター化された 一緒に。
で その データ、 そこには だった 10 部品、 五 オペレーター、 そして 五 複製 あたり 一部 オペレーター 組み合わせ。 I ただ 望んでいた に 注記 それ これ は シミュレーション データ、 そして その シミュレーション に 見て 似ている に その 実際の データ、 しかし それ 私たちは ない 共有 どれでも 独自の データ ここ。
A 少し 関数 特徴 それ I 望んでいた に ポイント 外、 その 機能 は 実は 全て 違う 長さ、 それで 彼らは 持っている a 違う 番号 の 観察 で 彼らの 曲線。 それでも その 機能 だった 収集された で 平等に 間隔をあけた 時間 間隔、 彼らは だった ない 収集された で 平等に 間隔をあけた 距離。 それ 手段 そこには いいえ 真実 複製 で 条項 の 距離。
いつ これ プロジェクト だった 初め 提示された、 1つ の その オリジナル アイデア 投げられた 外 だった かどうか 私たちは できた 選ぶ a セット の 距離 場所 そして する a 標準 ゲージ R&R MSA で それぞれ の それらの 場所 そして それから 要約する それ 情報 のために a ファイナル 結果。
その 問題 と それ は それ もし 私たちは 選んだ a 特定の 位置、 そこには なかった a 保証 それ そこには だろう なれ 一つの 観察 のために それぞれ の それらの 曲線 なぜなら そこには なかった 複製 のために その 距離。 別の 問題 それは もっと 一般化された は と これ タイプ の 曲線 データ、 やっている ポイント 賢い 分析 のように それ する ない 取る の中へ アカウント その 内で 関数 相関。
幸運なことに、 そこには a 全体 分野 の 統計 ひたむきな に これ タイプ の データ と呼ばれる 機能的 データ 分析。 そこには は a バラエティ の テクニック に ハンドル 不平等に 間隔をあけた データ。 A 多く の それらの テクニック は 今 利用可能 で ジャンプ を通して その 機能的 データ エクスプローラ プラットフォーム。
その 質問 になった、 できる 機能的 データ 方法 なれ 組み合わせた と 伝統的 MSA 方法 に 実行する いくつかの タイプ の 機能的 測定 システム 分析？ これ だった その 解決 それ だった 提示された で その 年上の 論文 それ I 参照されました。 これ は ただ 行く に なれ a 少し 少し の a レビュー の 何 彼らは した。
初め、 a 罰せられる スプライン モデル だった フィット に 見積もり その 一部 力 機能 そして それで そこには だった 10 機能 それ だった 推定、 平均化された 以上 オペレーター そして 複製します。 それから これら 機能 だった 減算された から その オリジナル 力 機能 に 得る a セット の 残留 力 機能。 これら 残留 機能 いいえ より長い 含む どれでも 変化 期限 に その 一部。 全て の その 変化 で それらの 残差 だった 期限 に その オペレーター そして その 複製します。
彼らは それから フィット a ランダム 効果 モデル に その 残余 得る その 対応する 分散 コンポーネント から その モデル。 A グラフィカル 方法 だった それから 使用済み に 探す その 最小 一部 分散 に 使用 として 一つの 見積もり のために その 一部 分散 成分。
これ だった それから 使用済み に 計算する a タイプ の 最悪 場合 シナリオ % ゲージ R&R。 これ 方法 彼らは 働いた かなり 良い。 彼らは 得た 結果 それ 作った センス そして その クライアント だった ハッピー。 しかし これ だった ただ a 一般化 の a 標準 MSA と いくつかの 機能的 コンポーネント 振りかけた で。
いつ I 見た で これ データ そして いつ I 見た で その 問題、 I 望んでいた に 試す に 取る a もっと 伝統的 機能的 アプローチ。 I 持っている a 背景 で 機能的 データ 分析、 そして それ は 何 私の 論文 だった の上、 具体的には 機能的 混合 モデル。 そこには だった a 章 で 私の 論文 ひたむきな に 推定する そして テスト その 分散 コンポーネント から 機能的 混合 モデル。
I した それ による 拡大中 その 機能的 モデル 使用して 自分の 関数 または 基礎 関数 拡張 そして 書き直し それ として a 混合 モデル そして それから 使用して 知られている テクニック に 見積もり それらの 分散 コンポーネント。 I 開始 に 考える、 できた I 使用 その 同じ タイプ の 技術？
I しない 必要 a 満杯 混合 モデル。 I のみ 持っている ランダム 効果 ここ。 できる I 作成する a 機能的 ランダム 効果 モデル のために その 一部 そして オペレーター 分散 コンポーネント?
これ は 何 I 来た 上 と のために a 機能的 MSA 横切って モデル、 以来 私たちは する 持っている 一つの オペレーター 学期。 のために 機能的 モデル、 彼らは セット 上 a 少し 少し 異なる なぜなら 彼らは 全て ベース その周り その 入力。 で これ 場合、 あなたの 応答、 Y サブ IJK は その K番目 複製する 作った による その J番目 オペレーター の上 その 〜番目 一部、 しかし これ 時間 で a 特定の 距離、 D.
私たちは 持っている a 機能的 平均 学期、 a 機能的 ランダム 効果 それ 対応する に その 一部、 a 機能的 ランダム 効果 それ 対応する に その オペレーター、 そして a 機能的 ランダム 効果 それ 対応する に その クロス 学期 そして 私たちの エラー 学期。
で これ 方法、 I 減算する その 平均 学期 以上、 そして それで 私は 左 と これ セット の 残差、 そして それは いつ 私は 行く に モデル。 これ ここ を表す その 自分の 関数 拡大 の その 機能的 モデル。 だった 行く に 持っている 資本 B 自分の 機能と 和 全て の それらの 部品 一緒に に 作成する これ 大きい 長さ ランダム 効果 モデル。
しかし のために 1つ 自分の 関数、 何 は 表示されている で これら 括弧 は その 拡大。 のために それぞれ 機能的 ランダム 効果、 その スプリット の中へ 二 部品。 私たちは 持っている a 機能的 一部 そして それから ただ a 通常 一部。 その 機能的 一部 は 撮影 ケア の による 評価する それらの 自分の 機能。 それから 私たちは 持っている ただ 標準 ランダム 条項 のために その 一部、 その オペレーター、 そして その クロス 学期。
それから 何 これ 本質的に する は あなた 建てる これ 長さ ランダム 効果 モデル、 そして それから あなた 持っている a 番号 の 分散 コンポーネント のために それぞれ 学期。 のために その MSA、 そこには 意思 今 なれ 三つ セット の 資本 B 分散 コンポーネント。 そこには 行く に なれ 資本 B 一部 分散 コンポーネント、 資本 B オペレーター 分散 コンポーネント、 そして 資本 B クロス 学期 分散 コンポーネント。
なぜなら の その 方法 自分の 機能 は 構造化された、 彼らは は 知られている に なれ 独立した そして それで 私たちは できる 仮定する それ ベース の上 どうやって 私たちは 構造化された その モデル、 全て の これら 分散 コンポーネント は 実は 独立した から それぞれ 他の また。 それ 手段 私たちは できる 和 彼ら 一緒に に 得る これら 機能的 分散 コンポーネント。
以来 だった ただ 合計 彼ら 一緒に、 私たちは できる また 代わりの 彼ら の中へ その 式 のために その % ゲージ R&R そして 計算する それ ただ のように 私たちは した で その 標準 モデル。
どうやって する I 実は する これ で ジャンプ？ 良い、 その a マルチ ステップ プロセス。 私は 行く に 簡単に 概要 それ ここ、 そして それから 私は 行く に する a デモ のために あなた。 初め、 私は 行く に 見積もり その 平均 曲線 で FDE そして 得る その 残留 曲線。 私は それから 行く に モデル それらの 残留 曲線 サーブ また 一つの FDE に 得る その 自分の 機能 必要 のために その 自分の 関数 拡大。
私は 行く に 保存 それらの 自分の 機能 に その オリジナル データ テーブル そして 使用 彼ら で フィットミックス。 使用 フィットミックス、 私は 行く に フィット a ランダム 効果 モデル に その オリジナル データ 使用して ネスティング そして その 自分の 機能 に 定義する その 適切な モデル 仕様。
うまくいけば、 それ 全て 作る a 少し 少し もっと センス 一度 I デモ それ。 だった 行く に 出口 外 の ここ。 ここ は 私たちの データ、 そして 私たちは 持っている a カラム のために その ID 変数、 a カラム のために その 一部 変数 それ 定義する その 10 部品、 その オペレーター、 どれの 定義する その 五 オペレーター、 私たちの 距離 カラム、 そして 私たちの 力 カラム。
ただ として a リマインダー、 これ は 何 その データ 見た のように。 私の 初め ステップ は に 見積もり その 平均 関数 の その 力 曲線 そして それから 使用 それ に 得る いくつかの 残差。 に する それ、 私は 行く に モデル その 力 機能 で FDE。 私は 行く に 行く に その 分析する メニュー、 専門化する モデリング そして 選択 機能的 データ エクスプローラ。
私は 行く に 定義する 力 として 私の 出力、 距離 として 私の 入力。 それから なぜなら I 欲しい その 平均 関数 平均化された 以上 全て の その ID、 私は ない 行く に 特定 一つの ID 関数 ここ。 私は 行く に クリック わかった。 私たちは 持っている 私たちの 基本的な イントロ FDE 報告。 しかし I 欲しい に フィット a モデル、 それで I できる 行く に その 赤 三角形 メニュー、 モデル。
技術的には、 あなた できた フィット どれでも の それらの モデル。 I ただ 選んだ a B スプライン なぜなら その 初め、 その 簡単、 そして それは ただ 取る a 少し 秒 に 走る ここ。 わかった、 それで ここは 私たちの モデル フィット。 そこには a 赤 ライン ここ それは かわいい 難しい に 見る、 しかし それ は 何 は その 平均 関数、 その 推定 平均 関数。 私は 行く に 与える あなた a より良い 写真 の それ で a 分 または それで。
しかし I 実は 欲しい に 保存 その 機能 のために これ ミーム。 I できる する それ による 行く に これ 関数 要約 報告。 I できる クリック その 赤 三角形 メニュー そして 選択 カスタマイズ 関数 要約。 I のみ 欲しい その 同じ 数式、 それで 私は 行く に 選択解除 彼ら 全て そして それから 再選択 それ 1つ そして クリック わかりました そして 保存。
I 得る a 新しい データ テーブル と 何 登場 に なれ これ さみしい 少し エントリ ここ。 そこには は a 隠れた カラム、 それで 私は 行く に 非表示解除 それ。 私たちは 持っている a 距離 カラム そして それから 私たちは 持っている これ 力 平均 機能的 式。 私は 行く に 取る a 見て で それ、 何 それ 実は 見た目 のように。
いつ 私たちは 見て で その 式 カラム、 私たちは できる 見る それ これ は a 関数 の 距離。 のために どれでも 価値 の 距離、 これ は 行く に なれ 評価された に 与える 何 その 平均 関数 は で それ 距離。 これ 式 カラム できる なれ 置く の中へ どれでも データ テーブル それ また 含む a 距離 カラム。 それは その通り 何 だった 行く に する。
だった 行く に 作る もちろん これ は 強調表示されます。 だった 行く に 右 クリック そして 選択 コピー カラム プロパティ。 それから だった 行く に 探す 私たちの 方法 戻る に 私たちの オリジナル データ テーブル。 ダブル クリック に 作成する a 新しい カラム。 私は 行く に 右 クリック ここ そして する ペースト カラム プロパティ。 今 私たちは 持っている その 平均 力 評価された で 毎 レベル、 毎 距離 価値 で 私たちの データ テーブル。
私たちは できる 使用 それ に 今 探す 私たちの 残留 関数。 私は 行く に ダブル クリック また に 作成する a 新しい カラム そして タイトル それ 力 残留物。 今 私は 行く に 作成する 私の 自分の 式 カラム それ は 単に 行く に なれ 力 マイナス その 平均 力。 私は 行く に クリック わかりました。 今 私たちは 持っている 私たちの セット の 残差 そして これ は 何 それ 見た目 のように。
で その トップ グラフ、 これら ライト グレー 曲線 は その オリジナル 機能 から その 力 カラム。 これ 赤 ライン は その 同じ 赤 ライン それ I 試した に 見せる あなた で その FDE 報告 それ だった 難しい に 見る、 しかし これ は 何 それ だった。 それは その 平均 関数。
それから その 底 グラフ で 緑 ショー その 残留 曲線。 これら は その 曲線 それ 私は 行く に 使用 に 進む と 私の 分析。 私の 次 ステップ は 行く に なれ に モデル その 残留 曲線 使用して FDE に 得る その 自分の 機能 それ I 必要 のために その モデル 拡大。 私は 行く に 行く に その 分析する メニュー また、 選択 専門分野 モデリング、 機能的 データ エクスプローラ。
これ 時間 私は 行く に 特定 その 残差 として その 出力、 距離 として その 入力、 そして I 午前 行く に 特定 私の ID カラム これ 時間。 私は 行く に クリック わかりました。 私たちは 持っている 私たちの 初期ポート ここ、 そして 今 I 欲しい に フィット a モデル に これ データ。 I 行く に その 赤 三角形 メニュー に 見て で その モデル。
また、 技術的には、 あなた できる フィット どれでも の これら モデル。 で 私の 実験、 I 見つかった それ これら トップ 三つ、 彼らは 取った a 本当に 長さ 時間 に フィット、 そして 彼らは しなかった 提供する 素晴らしい 素晴らしい フィット のために 何 I 必要です。 その ウェーブレット モデル そして その 直接 機能的 PCA だった 多くの、 多くの より速く そして その間 また 提供 より良い フィットします。
その 警告 と それらの 二 モデル は それ 彼らは 必要とする その データ に なれ の上 一つの 均等に 間隔をあけた グリッド。 A s I 言及された、 いつ I 紹介された その データ、 それは ない その 場合。 しかし、 で FDE、 私たちは 持っている いくつかの データ 処理 手順 それ ヘルプ 私たち 操作する 私たちの データ a 少し 少し。 私たちは できる 行く に その クリーン 上、 減らす、 そして これ 初め タブ は 何 私たちは 欲しい、 そして 私たちは できる 使用 それ。
今 それ ただ 置く それ それで それ 毎 距離 価値 もっている 一つの 観察、 もっている a 力 残差 観察。 今 私たちは できる 行く 先に そして フィット 1つ の それらの モデル。 I ただ 選んだ 直接機能 PCA。 A s あなた できる 見る、 それ だった とても 素早い。 その フィッティング だった 素晴らしい 速い。
これ 機能的 PCA 報告 は どこ だった 行く に 得る 全て の 私たちの 情報 それ 私たちは 必要。 しかし I だった ただ 行く に スクロール 下 に 見て で その データ フィット a 少し 少し。 私たちは できる 見る それ これら 見て かわいい 良い。 それから もし 私たちは 見て で その 診断 プロット、 これら は の上 その 対角線、 その 残差 見て 良い。 これ 見た目 のように a かわいい 良い フィット、 そして I できる 使用 これ 情報 から その 機能的 PCA。
で その 機能的 PCA 報告、 私たちは 持っている a テーブル の 自分の価値観 そして それから これら グラフ の 私たちの 形 機能。 その 形 機能 は 実は 私たちの 自分の 機能。 彼らは ただ と呼ばれる 形 機能 で ジャンプ。 どうやって これら 機能 仕事 は それ あなたの オリジナル 入力、 それで 距離、 は の上 その X 軸、 そして それから その 自分の 関数 評価 は の上 その Y 軸。
のために どれでも 距離 D、 あなたは 行く に 持っている 一つの 評価 で 自分の 機能1 , 一つの 評価 で 自分の 関数 2、 そして それで の上。 あなた できる 使用 その 自分の 機能 に 得る... あなた できる 使用 a リニア 組み合わせ の その 自分の 機能 に 得る 一つの 見積もり の その オリジナル 機能。
その 固有値 テーブル 与える あなた 一つの アイデア の どうやって 多くの % の その 全体 データ 変化 あなたは 服用 の中へ アカウント いつ あなた 使用 a ある 番号 の 固有値、 自分の 関数 ペアリング。 で これ 場合、 その 初め 固有値 そして 自分の 関数 ペアリング 実は アカウント のために 99.9 % の その 合計 変化 で その データ、 どれの は 実は かわいい 信じられない。
これ は 重要 で 決定する どうやって 多くの 自分の 機能 あなたは 行く に 使用 のために その 基礎 拡大。 通常 いつ あなたは 選択する a 番号 の 自分の 機能 に 使用、 あなた しない 実は 欲しい に 使用 全て の その 自分の 機能 それ あなたは 与えられた。
あなた 欲しい に 使用 その 少しでも 番号 の 自分の 機能 それ まだ アカウント のために 一つの 十分な 額 の 変化 で その データ。 これ は なぜなら その もっと 自分の 機能 あなた 使用、 その 大きい あなたの ランダム 効果 モデル は 行く に なれ、 そして その 行く に なれ もっと強く に 見積もり。
何 する 会計 のために 一つの 十分な 額 の 変化 で その データ 平均？ それ できる 平均 違う もの に 違う 人々 で 違う フィールド。 通常、 いつ 私は 働く と これ、 I 持っている 使用済み で その 過去 について 90 % として a カット オフ。 もし I だった ただ やっている これ 分析 に する その 分析、 I かもしれない のみ 取る これ 初め 自分の 関数 以来 それ 説明する それで 多くの、 そして 走る と それ。
のために デモンストレーション 目的、 私は 行く に 取る その 初め 二 ただ それで あなた できる 見る 何 その モデル 拡大 見た目 のように 使用して 二 自分の 機能。 に 保存 これら、 私は 行く に 行く に これ 関数 要約 報告 また、 クリック の上 その 赤 三角形 メニュー そして 選択 カスタマイズ 関数 要約。
I ただ 言及された それ 私は のみ 行く に 保存 二 の 彼ら、 それで I 欲しい に 入力 二 ここ。 私は 行く に 選択解除 これら 全て また そして のみ 保存 その 数式。 I できる クリック わかりました そして 保存 そして I 持っている 別の 新しい データ テーブル 今。 その もの それ I 必要 は 実は 隠れた。 私たちは 欲しい に 見て のために これら 力 残留物 形 機能 どれの 代表する 私たちの 自分の 機能。
私たちは できる 非表示解除 それらの それで それ 彼らは 今 含まれる で 私たちの データ テーブル。 私たちは できる 取る a 見て で これら 式 列。 ただ のように と 私たちの 平均 関数、 これ は 単に a 関数 の 距離。 のために どれでも 価値 の 距離、 これら 数式 は 行く に 与える あなた 何 その 自分の 関数 価値 は で それ 距離。
また、 のように その 主要 関数、 私たちは できる 置く これら 式 列 の中へ どれでも データ テーブル それ また 含む a 距離 カラム。 それは 何 だった 行く に する また。 だった 行く に 置く これら 式 列 の中へ 私たちの オリジナル データ テーブル。
だった 行く に 作る もちろん 両方 の これら は 強調表示 そして 右 クリック そして 選択 コピー カラム プロパティ。 また、 探す 私たちの 方法 戻る に 私たちの オリジナル データ テーブル。 I 欲しい に 追加 二 新しい 列 に 私の データ テーブル。 私は 行く に 行く に 通話、 新しい 列。 だった ただ 行く に タイトル 彼ら E1 そして 2 に 代表する その 自分の 機能。 I 欲しい に 追加 二 列 そして I 欲しい に 追加 彼ら として a グループ。 病気 クリック わかった。
それから と これら 二 新しい 列 強調表示、 私は 行く に 右 クリック そして 選択 ペースト カラム プロパティ。 今 私たちは 持っている 私たちの 自分の 機能 評価された のために 毎 距離。
ただ に 与える あなた 一つの アイデア、 これ は 何 彼らは 見て のように そして その その 同じ グラフ。 その ほとんど その 同じ グラフ として 何 だった で その FDE 報告。 だった ただ 服用 何 だった グラフィカルに そこには そして 今 私たちは 持っている その 数字 のために すべて、 のために 毎 価値 ここ。
今 私たちは 欲しい に する その 自分の 関数 拡大 そして 拡大する 私たちの 機能的 モデル。 しかし 何 する それ モデル 実は 見て のように いつ あなた 持っている 二 自分の 機能ですか? 私は 行く に ホップ 戻る 以上 に 私の スライド 本物 素早い そして 見せる あなた 何 その モデル 拡大 見た目 のように いつ 資本 B 等しい 2.
I 持っている これ 分割された の中へ a セクション のために その 一部、 その オペレーター、 そして その クロス 学期。 それから 内で それぞれ の これら セクション、 私たちは 見る それ 私たちは 持っている a 学期 それ 含まれる 自分の 関数 1つ そして a 学期 それ 含まれる 自分の 関数 二。 本質的には、 これ 手段 それ だった 行く に 持っている 二 分散 コンポーネント のために 一部、 二 分散 コンポーネント のために その オペレーター、 そして 二 分散 コンポーネント のために その クロス 学期。
今 私は 行く に 行く 戻る に 私の データ テーブル。 I 欲しい に フィット これ モデル 使用して フィット モデル。 私は 行く に 行く に その 分析する メニュー そして 選択 フィット モデル。 I 欲しい に 特定 私の 人格 として その 混合 モデル。 今 私は 行く に 特定 その 残差 として 私の そして。 それから 私は 行く に 動く 下 に その 効果 セクション。
で その 修理済み 効果 タブ、 I しない 持っている どれでも 修理済み 効果 そして I また しない 持っている 一つの 傍受 なぜなら I 平均 学期 以上 元は。 今 私は 行く に 動く に その ランダム 効果 タブ。 ここ は どこ 私は 行く に 使用 その 自分の 機能 そして その 一部 そして オペレーター 変数 そして ネスト 彼ら で 一つの 適切な 方法 に 定義する その モデル それ I ただ 示した あなた。
私たちは できる 追加 両方 の これら 自分の 機能 そして だった 行く に 選択 これら そして また 選択 一部。 だった 行く に ネスト 一部 で それぞれ 自分の 関数。 それから だった 行く に する その 同じ もの のために オペレーター そして その 同じ もの のために その クロス 学期。 それは どうやって だった 行く に 定義する 私たちの モデル。
その 最後 もの I 欲しい に する で これ 打ち上げ ウィンドウ は 選択解除 その 無制限 分散 コンポーネント オプション。 いつ これ は 選択された、 それ 手段 それ あなた できる 持っている ネガティブ 推定値 または 分散 コンポーネント、 そして I しない 欲しい それ。
どれでも ネガティブ 推定値 は ただ 行く に なれ セット に ゼロ。 今 I できる 走る これ、 そして 私たちは 持っている 私たちの 報告 ここ。 これ は その テーブル それは 行く に 与える 私たち 私たちの 推定値 それ 私たちは 必要 に 計算する その % ゲージ R&R、 しかし 私は 行く に 突く その周り その 報告 a 少し 少し 初め。
これ 実際の による 予測された プロット 見た目 本当に 奇妙な で 初め、 しかし それ 作る センス いつ あなた 考える について それ。 以来 私たちは しない 持っている どれでも 修理済み 効果 または 一つの 傍受、 いつ 私たちは しない 取る その ランダム 効果 の中へ アカウント、 私たちの 見積もり のために すべて は ただ ゼロ。 いつ 私たちは する 取る それらの ランダム 効果 の中へ アカウント、 私たちは 見る それ その 実際の による 条件付き 予測された プロット 見た目 a 多く より良い そして それ これら 観察 秋 かわいい 良い 平行 これ 対角線。
私たちは できる また 取る a 見て で その 条件付き 残留 プロット、 そして 私たちは できる 見る それ 彼らは かわいい 小さい そして 彼らは 中央揃え その周り ゼロ。 私たちは する 持っている いくつかの 偏差 から これ ライン ここ、 しかし そこには 何もない 素晴らしい クレイジー について その 残差。 I 感じる わかった について 使用して これら 推定値 に 計算する その 適切な ゲージ R&R。 I 実は 引っ張られた これ テーブル そして 置く それ 戻る の中へ 私の スライド。 私は 行く に 行く 戻る に 私の スライド のために その 残り の その プレゼンテーション。
こちらは それ データ テーブル、 ない データ テーブル、 その 報告 テーブル それ だった ただ そこには。 として あなた できる 見る、 あなた 持っている a 分散 成分、 シーズン2 分散、構成要素、 推定値 のために 一部、 二 のために オペレーター、 そして 二 のために その クロス 学期。 A s I 言及された いつ I だった 記述 その モデル、 私たちは できる 和 これら 一緒に に 計算する その 機能的 分散 コンポーネント。
これら 特定の 数字 ない として 重要 で これ 分析 として 何 あなた 得る いつ あなた 置く 彼ら の中へ その 式 のために その % ゲージ R&R。 それで いつ I する それ、 私たちは 得る a % ゲージ R&R の 3.3030. それ は 何 バー チーム 定義する として 一つの 許容できる 測定 システム。 もし これ 持っていた された 私の プロジェクト、 I だろう 持っている 消えた 戻る に その クライアント そして 言った それ それ 思われる のように あなたの 測定 システムは 正確な、 あなた できる 行く 先に そして 進む と あなたの デザイン の 実験。
それは 基本的に それ のために これ 分析 のために これ 特定の データ。 ただ いくつかの 考え それ I 持っていた。 これ 結果 だった 実は とても 似ている に その 最悪 場合 シナリオ % ゲージ R&R それ だった 提示された で その 2019 JSM プレゼンテーション。 それ だった より高い による ただ a 少し 小数点 場所。 それは なれ 本当に 面白い に 比較する これら 方法 そして 他の データ セット に 見る もし 彼らは は いつも 似ている または もし これ だった ただ a ハッピー 偶然。
I しない 持っている 多くの 経験 で 全て と 測定 システム、 そして それで I しない 持っている どれでも 他の データ に 遊ぶ その周り と または 平 本当に 知る どうやって に 得る それ。 もし 誰でも もっている どれでも データ それ 彼らは 考える かもしれない 適用する に これ タイプ の プロジェクト、 どれでも 機能的 データ それ また 彼らは かもしれない 欲しい に する 一つの MSA の上、 私は なれ 本当に 興味がある で 聴覚 について それ。
のために いくつかの 未来 仕事、 いくつかの 考え それ I 持っていた だった、 その 初め 1つ だった、 すべき I 追加 a 機能的 ランダム 効果 のために その IDは？ これ は とても 一般的に 終わり で a 多く の 機能的 混合 モデル、 で 少しでも で その フィールド それ I 働いた で。 これ だった a 大きい 貢献 で 私の 論文 だった その 使用 の これ 機能的 ランダム 効果 のために ID。
通常、 これ キャプチャ その 内で 関数 相関 横切って、 で これ 場合、 距離。 I 演奏した その周り と これ ランダム 効果 で これ データ、 そして 毎 モデル I 使用済み、 その 番号 の 自分の 機能 I 使用済み、 それ しなかった 案件。 その 分散 成分 関連する と これ ランダム 効果 いつも 来た 外 に なれ ゼロ、 そして それは ない 役に立つ。
I 考える で これ 場合、 一度 あなた 取った の中へ アカウント その 分散 から その 一部 そして その オペレーター、 そこには ただ なかった どれでも 変化 左 に アカウント のために。 I しない 知る もし それは 真実 のために 全て 機能的 MSA 研究 または もし これ だった ただ 真実 のために これ 特定の データ。 もし I だった これまで できる に 得る 私の 手 の上 いくつかの 違う データ、 これ は 絶対に 何か I だろう 保つ で 心 に 見る もし それ できた なれ 追加した に a モデル で どれでも 他の データ セット もっと 正常に完了しました。
I また 考える それ だろう なれ いいね もし 私たちは できた 計算する a 自信 間隔 のために その % ゲージ R&R。 そして ついに、 I 望んでいた に 話す について その 1つ もの I なかった 素晴らしい ハッピー と で これ プロジェクト、 どれの だった その 残差。 何 だった 間違っている と 彼ら？
これら は グラフ の いくつかの 違う モデル そして その 残差 のために それぞれ 1つ。 私は 行く に 行く 戻る そして 前へ 間 これ スライド そして その 次 1つ。 それで はい、 その 残差 は 比較的 小さい。 彼らは 中央揃え その周り ゼロ。 そこには いいえ クレイジー スパイク または 外れ値、 そして それは 良い。 それは 何 私たちは 欲しい。
しかし、 で 全て その モデル I フィット、 I ただ まだ しなかった 愛 どうやって 彼らは 見た 横切って 距離。 見ている で その 残差 これ 方法 は 特に 重要 いつ 働く と 機能的 データ。 これ は なぜなら それ できる 本当に 見せる いつ あなたは ない キャプチャ 全て その 機能的 部品 の その データ。
A 多く の 回 で 機能的 データ、 あなた 見る これ 扇ぐ 効果 どこ その 残差 は 本当に 良い で その 始まり、 そして それから として あなた 得る に向かって その 終わり の あなたの ドメイン、 彼らは ファン 外 a 少し 少し。 これ データ 実は 持っていた ほとんど その 反対 問題。 私たちは できる 見る それ その 残差 は a 少し 少し より広い で その 始まり の その ドメイン そして 得る より近い に ゼロ として 距離 取得する より大きい。
そこには また 絶対に いくつかの タイプ の 循環的な パターン で これら 残差。 I しない 考える その その 終わり の その 世界。 I 考える 彼らは 素晴らしい 中央揃え その周り ゼロ、 しかし あなた できる 見る で これら グラフ それ そこには 明らかに いくつかの 上 そして 下 パターン。 本質的に 何 それ 手段 は それ 私は ない 何か。 私は ない キャプチャ その 満杯 機能的 自然 の その データ、 そして I しない 本当に 知る なぜ まだ。
私は 本当に のように に 形 それ 外 そして フィット 一つの 平 より良い モデル、 かどうか それは 可能 と これ データ または 違う データ で その 未来。 私は ない もちろん、 しかし その 絶対に 何か I 欲しい に 過ごす a 少し もっと 時間 の上、 そして 私は なれ 開ける に どれでも 議論 誰でも だろう のように に 持っている について それ。
それは それ のために 自分。 ありがとう のために 見ています。 もし あなた 持っている どれでも 質問、 提案、 質問 または フィードバック、 感じる 無料 に メール 自分。 感謝 あなた。
